统计及其接口

第16卷（2023年）

数字3

回归问题的自适应加权稀疏拉普拉斯收缩迭代算法

页：433 – 443

内政部：https://dx.doi.org/10.4310/22-SII732

作者

Xingyu Chen（中央财经大学统计与数学学院，北京，中国）

Yuehan Yang（中央财经大学统计与数学学院，北京，中国）

摘要

本文考虑协变量之间具有相关结构的回归问题。我们提出了一种迭代算法，称为自适应稀疏拉普拉斯收缩（AdaSLS）。该算法基于图约束正则化。在每次迭代中，在上一步获得的特征空间内拟合一个自适应权重。在适当的正则性条件下，AdaSLS以较高的概率获得正确的特征集和准确的估计。其偏差以指数速率衰减。数值比较表明，AdaSLS提高了变量选择和估计的准确性。我们还将该算法应用于基因微阵列数据集和嵌合蛋白数据集，获得了有意义的结果。

关键词

高维数据、相关效应、拉普拉斯矩阵、自适应权重、迭代算法

全文（PDF格式）

本研究得到了国家自然科学基金（12001557）的资助；青年人才发展支持计划（QYP202104）、新兴跨学科项目和中央财经大学学科资助。

收到日期：2021年8月8日

2022年3月24日接受

2023年4月14日出版